Introduction to Causal Inference中文笔记part1

参考：
[1]https://www.zhihu.com/people/guo-si-xu-44/posts
[2]因果推断入门：为什么需要因果推断？

1.前4章内容

1.1.相关不等于因果

https://zhuanlan.zhihu.com/p/616903863，细节参考知乎原文。
当有 confounding association（混杂关联）存在的时候，相关不等于因果。比如，C 是喝酒，T 是是否穿鞋睡觉，Y 是头痛，喝酒的人通常穿鞋睡觉，喝酒可以引起头痛，那么 C 就是 confounding variable。

用数学语言表达就是：

但是如果我们能够将样本进行随机对照实验，也就是说，一个样本是否施加干预完全是随机决定的（decided by flip a coin) 那么我们就可以消除 confounding association，因此随机对照实验可以做到以下两点。
（1）T不会有父节点
（2）对照组和实验组是可以比较的；

1.2.Potential Outcome

https://zhuanlan.zhihu.com/p/616911774，细节参考知乎原文。
Potential Outcome 定义
intuition：一个政策或者干预产生的效果

1.3.Graphical Models

https://zhuanlan.zhihu.com/p/618407198，细节参考知乎原文。

2.问题解释

2.1.为什么在因果推断中该公式不成立E[Y(1)] - E[Y(0)] = E[Y|T=1] - E[Y|T=0] ？

3.基础知识补充

期望与方差的主要性质